Leer derivaciones de IA: detecta la primera línea que falla
Aprende a leer derivaciones matemáticas línea por línea, revelar supuestos ocultos y depurar con NumPy una identidad falsa del error cuadrático medio.
Categoría
Fundamentos matemáticos
10artículosen esta categoría.
Ecuaciones para la IA: una predicción puede ajustarse a muchos pares de parámetros
Aprende a leer las ecuaciones como restricciones, describir conjuntos de soluciones de una y dos variables, conservarlos de forma segura y probar parámetros de modelos en NumPy.
Logaritmos para IA: evita que desaparezcan los productos de probabilidad diminutos
Aprende los logaritmos como potencias inversas, deriva las leyes que convierten productos en sumas y usa puntuaciones logarítmicas de NumPy para distinguir productos de probabilidad que float64 redondea a cero.
Potencias para la IA: por qué duplicar el contexto puede cuadruplicar el trabajo de atención
Aprende las leyes de los exponentes y las raíces, y usa un explorador en escala logarítmica y NumPy para ver por qué duplicar las dimensiones del modelo o el contexto puede crear cuatro veces más cantidades.
Notación sigma para IA: cómo las pérdidas se convierten en un único objetivo de entrenamiento
Aprende la notación de sumas y productos, expande los límites en bucles y usa sumas y medias de NumPy para convertir errores por ejemplo en un objetivo de error cuadrático medio.
Índices de tensores para IA: lectura de muestras, tokens y características
Aprende a leer subíndices de tensores, traducir direcciones lote-token-característica a NumPy y detectar errores de ejes que parecen válidos en código de IA.
Notación de conjuntos para datasets de IA: pertenencia, particiones y filtraciones
Aprende conjuntos, pertenencia, unión, intersección y particiones encontrando y corrigiendo solapamientos en una división de datos de entrenamiento, validación y prueba.
Dominio y codominio: el contrato de entrada que necesita toda función de IA
Aprende cómo los dominios y codominios especifican las entradas válidas de un modelo y los tipos de salida prometidos, y diagnostica fallos de forma, rango y operaciones indefinidas.
Las funciones son máquinas reutilizables para los cálculos de IA
Pasa de las variables a las funciones: evalúa correspondencias entre entrada, regla y salida, combina cálculos sencillos y descubre por qué un modelo puede procesar muchos ejemplos.
Variables, valores y los tres roles dentro de un modelo de IA
Aprende a leer ecuaciones de modelos separando los nombres de las variables de sus valores actuales y siguiendo las entradas, los parámetros y las salidas mediante un pequeño modelo de puntuación.